Clustering of health behaviours in Canadians: A multiple behaviour analysis of data from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Health risk behaviours such as physical inactivity, unhealthy eating, smoking tobacco, and alcohol use are each leading risk factors for non-communicable chronic disease and each play a central role in limiting health and life satisfaction. However, much less is known about how co-occurring behaviours are associated with health outcomes. Understanding which behaviours tend to co-occur (i.e., cluster together), and how such clusters are associated with physical and mental health, life satisfaction, and health care utilization may provide novel opportunities to leverage this co-occurrence to develop and evaluate interventions to promote multiple health behaviour change. Using cross-sectional baseline data (N=40,268) from the Canadian Longitudinal Study of Aging, we performed a pre-defined set of analyses to examine the co-occurrence of health behaviours. We used agglomerative hierarchical cluster analysis to cluster individuals based on their behavioural tendencies and multinomial logistic regression to examine how these clusters are associated with demographic characteristics, healthcare utilization, and general health and life satisfaction, and assess whether sex and age moderate these relationships. Seven clusters were identified with clusters differentiated by six of the seven health behaviours included in the analysis. Variability between clusters was observed in frequencies of weekly walking, strenuous exercise, and alcohol consumption. Sociodemographic characteristics varied across several clusters while self-reported physical/mental health showed less variation across clusters. The seven identified clusters of health behaviours allow for contrasts to be made with comparable analyses in other countries and will help inform the development of future health behaviour change interventions tailored to sub-populations and their sociodemographic profiles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».